任意视频总结与直播实时字幕 · 本地识别 | Video Summary & Local Live Captions

把正在播放的声音，变成字幕。识别完全在你的电脑上完成。 看 B 站视频、听直播或播客，不必等作者上传字幕。开始播放后，点击页面左侧“字幕”，就能边听边看，再点一次即可关闭。 可以做什么 • B 站视频：提取已有字幕；没有字幕时，用本地模型生成。 • B 站直播、YouTube：随播放生成字幕。 • 虎牙等网页直播、在线播客：可通过“当前标签页声音”实时识别；也支持网页中的音频播放器。 • 本地视频：打开文件后生成字幕，识别结果可导出为 SRT。 • 整理文字：将字幕交给你选择的 ChatGPT、Gemini 或 DeepSeek 做总结。 声音留在本机 语音识别由浏览器中的本地模型完成，不上传音频，也不需要语音识别 API 密钥。首次使用需要联网下载模型，之后会使用本机缓存。总结是可选功能，使用时会将字幕和提示词发送到所选服务。 先选适合自己电脑的模型 支持千问和 SenseVoice。显卡性能会影响字幕延迟；千问对显卡要求较高，SenseVoice 也可使用 CPU。建议首次使用先到设置里测速，再调整模型和分段长度。 不同网站的播放器会有差异，部分页面可能无法取音。没有出现字幕入口时，可以点击浏览器工具栏里的扩展图标，选择“当前标签页声音”。此模式只识别当前网页播放的声音，不识别电脑上的其他应用。 欢迎留下真实的使用反馈。哪个平台好用、哪个页面没字幕、是否影响播放，都可以在评论区说一声。遇到错误，也可以点击小感叹号打开反馈页，复制或保存问题报告。 0.16.12 更新 修复千问字幕中偶尔出现 language Chinese 的问题。 新增虎牙等网页直播、音频播放器和播客的通用取音入口。 特殊播放器可在扩展面板选择“当前标签页声音”。 保持简洁的三点进度提示；再次点击“字幕”即可关闭。 增加问题反馈入口，发送前可查看附带的诊断内容。当前包可复制、保存报告和前往商店留言，在线发送待反馈服务接入后启用。